如何使用pandas将DataFrame的y/n条目转换为计数统计列

pandas提供了原生的高效实现，不需要逐列手动调用value_counts，以下是两种符合要求的实现方案：

方案1：简洁写法（适配小数据集） #

先基于你给出的样例构造测试数据：

import pandas as pd

# 构造样例DataFrame
df = pd.DataFrame({
    'A': ['y', 'n', 'y', 'n', 'y', 'y'],
    'B': ['n', 'y', 'n', 'y', 'n', 'n'],
    'C': ['y', 'n', 'y', 'n', 'y', 'y'],
    'D': ['n', 'y', 'y', 'n', 'n', 'n']
})

核心实现仅需1行代码：

count_result = df.apply(pd.value_counts).fillna(0).astype(int).T

输出结果完全匹配你需要的格式：

n  y
A  2  4
B  4  2
C  2  4
D  4  2

代码说明：

• apply(pd.value_counts)会自动对所有列批量执行值计数，返回结果的索引为y/n，列名为原表的A/B/C/D列
• .T对结果做转置，把原列名转为行索引、y/n转为列名
• fillna(0)用于处理某一列仅出现y或仅出现n的场景，缺失的计数补0，astype(int)将计数值转为整数类型，避免出现浮点数

方案2：高性能写法（适配大数据集） #

如果你的数据量在百万行级别，可以使用pandas内置的列联统计函数crosstab实现，性能远高于apply写法，且不需要额外做转置、补0操作：

count_result = pd.crosstab(df.melt()['variable'], df.melt()['value'])

返回结果和方案1完全一致，crosstab是pandas原生设计用于分类值计数统计的函数，会自动遍历所有列统计y/n的出现次数，直接输出你需要的行列结构。

内容的提问来源于stack exchange，提问作者PreachaMan